长江经济带耕地集约利用多尺度时空特征与影响因素分析

张荣天，陆建飞

·土地整理工程·

长江经济带耕地集约利用多尺度时空特征与影响因素分析

张荣天，陆建飞

（扬州大学新农村发展研究院，扬州 225009）

科学分析区域耕地集约利用时空分异及影响因素，对于促进耕地资源集约潜力挖掘和高效利用具有重要现实意义。以长江经济带作为研究案例地，从投入强度、利用强度、产出效率及持续状况等维度上构建耕地集约利用评价指标体系，运用投影寻踪模型定量测度1978—2016年长江经济带耕地集约利用水平；基于流域、省域、市域多尺度视角，通过变异系数、ESDA、GIS模型，探究长江经济带耕地集约利用多尺度时空分异格局；运用地理探测器模型揭示长江经济带耕地集约利用分异的影响机制。结果表明：1）1978年以来流域尺度上长江经济带耕地集约利用水平表现提升态势，但演化过程中呈现“东高西低”差异特征；省域、市域尺度上长江经济带耕地集约利用呈现空间集聚特征，并且尺度越小空间集聚越显著。2）研究期间省域、市域尺度空间关联类型均以正向相关为主，且市域尺度上长江经济带耕地集约利用存在空间集聚“俱乐部趋同”现象，表现为H-H（high-high）型主要集聚在上海及苏南地区，并逐渐向绍杭、皖江地区演化；而L-L（low-low）型主要集聚在川西高原区。3）自然因素、人口增长、经济社会发展及制度政策可有效解释长江经济带耕地集约利用时空分异，其中人口因素、经济社会因素对耕地集约利用分异影响显著，而政策因素呈现较强驱动效应。4）最后从开展土地综合整治、加大要素投入力度、优化调整耕地结构、推进农业科技创新等方面提出促进长江经济带耕地集约利用提升政策建议。

土地利用；模型；耕地；影响因素；ESDA；地理探测器；多尺度；长江经济带

0 引 言

当前中国正处于社会经济转型发展的重要时期，伴随着工业化、城镇化进程不断加快，导致非农人口规模持续增长，非农建设和生态退耕占用大量耕地资源，导致耕地面积不断减少，人-地矛盾日渐尖锐，加大了耕地资源承载负荷；同时随着社会经济快速发展，对农产品的需求不断增大，这就要求耕地资源具有更大的承载力，从而使得耕地资源短缺与粮食安全需要的矛盾日益加剧。因此，在耕地后备资源有限的情况之下，必须改变耕地资源传统粗放型利用方式，走集约化内涵式发展之路是解决人-地矛盾的最有效途径。西方古典政治经济学家David最先提出了耕地集约利用理念[1]，随后国内外学者对于耕地集约利用研究已取得较丰硕成果，本研究主要从研究内容、尺度、方法等三个方面进行系统综述：1）研究内容上，主要集中在内涵界定[2-3]、指标构建[4-5]、区域差异[6-7]、影响因素[8-9]及对策建议[10]等方面，研究内容正在朝着纵深方向不断发展；2）研究尺度上，主要集中在国家[11]、省域[12-13]以及市域[14-15]等宏观、中观维度层面上，并且不断向县域[16]、乡镇级[17]微观尺度耕地集约利用评价逐步展开研究；3）研究方法上，主要采用熵值法[18]、PCA[19]、SOFM[20]、PSR模型[21]、C-D生产函数[22]等定量数学模型方法开展耕地集约利用实证评价；另外，有学者开始借助GIS技术从空间角度动态解析耕地集约利用时空演化规律[23-25]。通过综述可发现，研究还存在一定不足：1）内容上大量文献更多侧重在耕地集约利用测度及区域差异探讨，而对耕地集约利用分异驱动机理挖掘较少；2）尺度上缺乏对不同空间尺度上耕地集约利用分异特征对比研究与规律总结；3）方法上主要为传统数理计量模型，未来还需要加强3S技术和ESDA（exploratory spatial data analysis）等地学模型结合探究耕地集约利用分异特征及作用机制。

鉴于此，本研究以中国长江经济带为研究案例地，采用投影寻踪模型、ESDA模型、地理探测器模型等方法试图探索1978—2016年长江经济带耕地集约利用多尺度时空分异特征及其驱动机制；在此基础上，提出未来长江经济带耕地集约利用水平提升的政策建议。

1 研究方法及数据来源

1.1 研究方法

1.1.1 投影寻踪模型

投影寻踪法（projection pursuit model）由美国科学家Kruscal于20世纪70年代提出，它是通过降低高维数据并将其影射到一个平面，计算反映数据聚类程度，从而来找到反映数据构造特性的最佳投影，该方法主要在高维度、非线性、非正态数据分析上具有优越性。运用投影寻踪法评价区域耕地利用集约水平，可有效避免评价指标权重设置比较主观及不易处理高维数据问题[26-27]。设第样本第指标为x，=1，2，…..，=1，2……，为样本数，为指标数，计算步骤如下：

2）投影指标函数。设为维单位投影向量=（1,2,..….,），则x的一维投影特征值表示为

3）构建目标函数。投影值Z尽可能多提取x的变异信息，即Z在一维空间散布的类间距S尽可能大，构建投影目标函数如下

4）优化投影方向。求解投影指标函数最大化来估算最佳投影方向

5）确定投影值。根据最佳投影方向值a计算各指标投影值Z，测度区域耕地集约利用水平值。

1.1.2 ESDA模型

ESDA（exploratory spatial data analysis）模型是通过对现象空间分布格局描述与可视化，发现空间集聚，解释研究对象之间空间作用机制。模型指标具体包括全局、局部莫兰指数[28]，理论公式如下：

1）Global Moran's指数

式中X为区域的观测值，X为区域的观测值，为空间权重矩阵，空间相邻为1，不相邻为0。() >0时为空间正相关，表示耕地集约利用高（低）空间上显著集聚。

2）Local Moran's I 指数

1.1.3 地理探测器模型

地理探测器是Wang等通过提出“因子力”度量指标[29]，结合GIS空间叠加技术和集合论，识别多因子之间交互作用模型，最初应用地方性疾病风险和相关地理影响因素研究。其基本原理是认为不同空间位置地理事物，制约其发展变化的环境因素具有区域差异性，若两者在空间上的变化表现显著一致性，即判定该因素对地理事物空间分布具有重要意义。本文将运用其探测自然、经济及政策等多要素对区域耕地集约利用分异影响机制，模型如下[30]

1.2 指标构建与数据来源

理论上，耕地利用集约利用它是指通过增加单位面积耕地上的资本、技术及人力等要素投入强度，提高耕地资源利用效率和产出水平，在实现耕地利用经济效益最大化的同时取得良好的社会、生态等综合效益[4-5,11,31-32]。鉴于对耕地集约利用内涵解读，本研究从投入程度、利用程度、产出效率、持续水平等四大维度上构建长江经济带耕地集约利用评价指标体系（表1所示）。投入程度上，它反映了耕地利用过程中财力、人力等要素投入基本情况，指标上具体选取化肥投入指数、机械投入指数、劳动力投入指数；利用程度上，它反映了对耕资源地开发利用状况和耕地潜力状况，指标上选取复种指数、灌溉指数、稳产指数；产出效率上，它反映了耕地投入所产生的效益，不仅体现了耕地质量高低，还体现出耕地潜力挖掘程度，指标上选取粮食单产、地均产值、劳均产值。持续水平上，它反应了耕地利用经济效益、生态效益及社会效益综合状况，指标上选取耕地平衡指数、人均耕地面积、粮食安全系数。

文中分析数据均来自于《四川省统计年鉴（1979—2017）》《重庆市统计年鉴（1979—2017）》《湖北省统计年鉴（1979—2017）》《湖南省统计年鉴（1979—2017）》《江西省统计年鉴（1979—2017）》《安徽省统计年鉴（1979—2017）》《江苏省统计年鉴（1979—2017）》《浙江统计年鉴（1979—2017）》《上海市统计年鉴（1979—2017）》及长江经济带各省（市）统计年鉴和国民经济和社会发展统计公报（1979—2017），市域边界图主要取自《四川省地图集（2016）》《重庆市地图集（2016）》《湖北省地图集（2016）》《湖南省地图集（2016）》《江西省地图集（2016）》《安徽省地图集（2016）》《江苏省地图集（2016）》《浙江省地图集（2016）》《上海市地图集（2016）》的行政区划图，经扫描进行高精度配准后跟踪矢量化，对长江经济带行政区划调整的区域进行相应合并处理，确保数据相对一致性。

表1 长江经济带耕地集约利用评价指标体系

2 多尺度时空格局分异

2.1 流域尺度上

基于耕地集约利用评价指标体系，运用投影寻踪模型理论模型，1978—2016年各研究年份的耕地集约利用原始指标进行标准化处理，输入DPS数据处理软件系统，经过优化处理得到最佳投影方向，进而得到1978—2016年长江经济带耕地集约利用水平综合投影值（图1所示）。通过图1可知：1）总体上看，1978年以来长江经济带耕地集约利用水平值表现出持续上升演化趋势，数值在[0.449 2，0.580 7]范围变化，整个研究期间提升了29.26%，年均增幅达到0.77%；但同时在提升过程中也具有“阶段性”演化规律，可划分为三个基本阶段：缓慢上升期（1978—1990）、快速上升期（1990—1996）、平稳提升期（1996—2016）；另外，测算出1978—2016年长江经济带耕地集约利用水平变差系数，近38 a间变差系数从0.512 3上升至0.679，提升了32.44%，这就表明1978年以来长江经济带耕地集约利用区域差异愈发显著。2）将长江经济带流域划分为上游、中游、下游三大区域，其中1978—2016年上游地区耕地集约利用水平值在[0.378 9，0.473 2]范围波动，中游地区耕地集约利用水平值在[0.436 4，0.565 3]范围变化，而下游地区耕地集约利用水平值在[0.523 4，0.703 5]范围波动，长江经济带耕地集约利用水平下游地区>中游地区>上游地区，同时1978—2016年长江经济带三大地区耕地集约利用变差系数均值表现为下游地区>中游地区>上游地区，这也说明长江经济带下游地区耕地集约利用差异最显著，而上游地区耕地集约利用差异则相对较小。

图1 流域尺度耕地集约利用水平值演变（1978—2016年）

2.2 省域尺度上

运用ESDA模型的Global Moran's指数分析省域尺度上长江经济带耕地集约利用总体空间格局变化特征。基于GeaDA095分析软件，计算出1978—2016年不同时段长江经济带省域单元耕地集约利用水平的Global Moran's估算值（表2所示），通过计算得到在0.1%的检验水平上，长江经济带省域单元耕地集约利用Global Moran's估算值都为正，说明了1978年以来省域尺度上长江经济带耕地集约利用水平呈现出正自相关性，即相邻省域单元耕地集约利用水平高（低）省域单元表现出相对集聚的空间分布态势；与此同时，可以看出从1978年开始，省域尺度上长江经济带耕地集约利用水平的Global Moran's I估算值呈现不断上升的演化趋势，具体数值上从1978年的0.367 5，到1996年的0.412 6，再到2016年的0.493 7，整个研究期间Global Moran's值提升了34.34%，表明了1978年以来省域尺度上长江经济带耕地集约利用水平正相关性越来越显著。

表2 省域尺度耕地集约利用水平Global Moran's I指数

注：()为期望值；()为检验值；()为显著水平值

Note:() is the expected value;() is the test value;() is the significant level.

借助ArcGIS10.2空间分析平台，选取1978、1990、2002、2016年4个时间截面省域单元耕地集约利用水平数据，运用自然断裂点将绩效值划分为3大类区：Ⅰ高值区、Ⅱ中值区、Ⅲ低值区，得到1978—2016年4个时间断面的省际耕地集约利用水平空间分布图（图2所示）。通过图2可知，整体上省域尺度耕地集约利用空间分布上具有“东高西低”发展演化态势，即长江经济带上游贵州、云南、四川等省份耕地集约利用水平相对较低，而长江经济带下游江苏、浙江及上海等省（市）耕地集约利用水平相对较高，并且1978年以来长江经济带耕地集约利用空间分布处于稳定态势，格局未发生较大变动。

图2 省域尺度耕地集约利用空间格局分异演化（1978—2016年）

2.3 市域尺度上

基于Geoda095软件平台，依据LISA理论公式，测算出1978—2016年市域尺度耕地集约利用水平LISA指数值，通过ArcGIS10.2软件绘制出1978—2016年长江经济带耕地集约利用LISA空间集聚图（图3所示），共分为4种基本类型：H-H（high-high）型：指城市自身和相邻城市的耕地集约利用水平均较高；H-L（high-low）型：指城市自身耕地集约利用水平高，而相邻城市较低；L-H（low-high）型：指城市自身耕地集约利用水平低，而相邻城市较高；L-L（low-low）型：指城市自身和相邻城市的耕地集约利用水平均较低。通过图3可知：1）H-H型主要集聚在上海及其苏南地区，1978年改革开放以来H-H集聚现象均为显著，形成了长江经济带耕地集约利用“高值区”，2006年后H-H型向浙江绍杭及安徽皖江芜湖、马鞍山等地演化，空间格局上表现出从“一字形”不断向“Z字形”演化态势；2）H-L型空间分布格局比较稳定，主要分布在中游地区的武汉城市圈、长株潭地区以及下游地区浙西南，2006年后上游地区的遂宁、宜春及重庆等城市演化为H-L型；3）L-H型数量较多，空间上主要分布在苏北、皖北、赣南、鄂北及川东等地区，L-H型在整个研究期间内保持着相对稳定态势，仅仅滁州、资阳等少数城市演化为H-L型；4）L-L型主要集中在上游川西高原区的甘孜、阿坝、西昌及攀枝花等城市，总体上这一地区地形地貌复杂，耕地资源相对匮乏，农业科技落后，导致区域耕地集约利用水平也处在较低水平上，空间格局上呈现出类三角型低值塌陷区。总体上看，1978—2016年市域尺度上长江经济带耕地集约利用存在空间集聚“俱乐部趋同”现象。

图3 市域尺度耕地集约利用LISA演化（1978—2016年）

3 影响机制分析

3.1 影响因素定量分析

耕地集约利用分异受到自然、经济、社会及政策等多因素耦合作用，本文选取年平均气温（1）、年降水量（2）、非农人口（3）、农业技术人员（4）、人均GDP（5）、城镇化率（6）、农业贷款率（7）等7个指标因子，来探索这些指标因子对长江经济带耕地集约利用时空分异影响机制。基于耕地集约利用时空分异影响因子体系，通过地理探测器模型对1978—2016年不同时期影响长江经济带耕地集约利用的7个指标因子进行定量探测，以发现每个指标因子在不同时期对长江经济带耕地集约利用时空异的作用强度。采用ArcGIS10.2软件对1978—2016年长江经济带耕地集约利用时空分异各影响因素进行自然类别划分，再依据地理探测器理论模型，测算出每个指标因子作用强度值（表3所示），值越大则表示该指标因子对长江经济带耕地集约利用时空分异作用强度越大，说明该指标因子是影响整个研究期间长江经济带耕地集约时空分异的主要因素。

表3 1978—2016各影响因子作用强度q的变化趋势

通过表3可知，1978—2016年不同时期影响长江经济带耕地集约利用时空分异的指标因素作用强度变化相对较显著，且造成区域耕地集约利用时空分异主要因素未发生较大变化。总体上看，平均气温（1）作用强度值从1978年的0.25下降到2016年的0.15，年降水量（2）作用强度值从1978年的0.31降低到2016年的0.21，可见1978年以来平均气温和年降水量两大指标因子作用强度逐渐减弱。人均GDP（5）、城镇化率（6）两个指标因子作用强度值分别从1978年的0.45、0.53提高到2016年的0.58、0.65，可以看出整个研究期间人均GDP和城镇化率这两大指标因子的作用强度逐步加强，成为影响长江经济带耕地集约利用时空分异的最主要因素。研究期间非农人口（3）作用强度值总体稳定在0.50左右，农业技术人员（4）作用强度值从1978年的0.51提升到2016年的0.55，可见非农人口和农业技术人员这两个指标因子作用强度呈现出整体持续性较强态势，对长江经济带耕地集约利用时空分异影响强度也较大。另外，研究期间农业贷款率（7）指标因子作用强度略有降低但整体上变化不大。基于上述7大影响因素的定量分析，可以发现研究期间自然因素、人口增长、经济社会发展及制度政策这几大因素对长江经济带耕地集约利用分异产生重要影响；鉴于此，本文从自然因素、人口增长、经济社会发展及制度政策四个方面初步阐述1978—2016年长江经济带耕地集约利用分异的综合作用机制。

3.2 作用机制综合分析

1）自然因素影响机制。自然因素是影响长经济带耕地集约利用时空分异的基础性因素，自然因素中的地理位置影响着区域耕地资源的光热、水分生产条件，地质地貌会影响区域耕地资源开发和利用程度，气候条件影响着区域耕地复种潜力和利用方式，水文条件也会影响区域耕地资源产出效率。目前，长江经济带下游地区上海、苏南及皖江地区等地县（市）的自然地理位置优越，区域后备耕地资源丰富，光热资源匹配较好，其耕地生产能力也较高；而长江经济带上、中游地区川西高原、重庆及江西等地县（市）地形地貌相对较复杂，区域内的耕地资源较缺乏，加之对耕地资源利用方式相对较粗放，导致其耕地集约化利用水平相对较低。因此，区域自然因素差异是1978—2016年长江经济带耕地集约利用时空分异格局产生及演化的本底因子。

2）人口增长影响机制。长江经济带耕地集约利用水平与非农人口和农业技术人员关联度较高，表明了人口数量构成和素质对区域耕地集约利用具有较大影响。随着城镇非农人口膨胀，非农建设占用大量农地资源，耕地数量的减少迫使其利用方式由粗放经营转型集约化经营；同时，随着农业劳动力综合素质不断提升，越有利于掌握先进的科学技术和生产方式，对促进区域耕地资源集约利用具有正向效应。当前，长江经济带下游上海、南京及杭州都市圈等地城镇化高速发展促使城市地区非农人口激增，加之上游地区城市农业科技水平较高，促使区域耕地集约利用水平呈现出持续提升的态势；相比而言，长江经济带上、中游地区重庆、四川及湖南等地属于人口外流地区，大量剩余农业人口向长三角和珠三角经济发达地区转移，大量耕地资源处于撂荒状态，同时上游地区农业科技水平也相对落后，导致区域耕地资源集约利用水平相对较低；因此，区域人口增长数量及质量是造成1978—2016年长江经济带耕地集约利用时空分异及演化的主要因素。

3）经济社会发展影响机制。随着区域经济发展水平提升，导致区域产业结构不断优化调整，加之市场经济条件下人们日益增长的需求，均促使了耕地资源利用方式不断向集约化方向转变；同时，城镇化快速发展促使城市文化生活方式、价值观不断涌向农村地区，城市主城区周边土地逐渐成为城市次中心、新城区等，有限耕地资源占用也必然对区域耕地利用方式产生重大影响。当前，长江经济带上下游上海、苏南及杭甬等地区经济发展程度高，是中国城镇化和工业化发展的“高地”，快速地城市空间扩张对区域耕地集约利用提升产生显著的积极促进效应；相比而言，长江经济带上游地区四川、重庆等地县（市）城镇化发展质量相对较低，区域经济发展质量也相对较低，某种程度上对区域耕地集约利用提升促进作用也就相对较弱；这种经济社会发展差异也是造成1978—2016年长江经济带耕地集约利用时空演化的最重要的驱动因子。

4）制度政策影响机制。政府政策反映了对区域土地利用基本导向，是区域耕地集约利用的重要推手。制定健全的耕地管理、利用等制度政策，均有助于宏观调控耕地资源非农地转化态势，促使区域耕地走集约化利用之路；同时，政府关于农业税改革、粮食直补及农机购置补贴等系列惠农政策实施，这也会一定程度上减轻农业生产投入压力，对于区域耕地集约利用水平提升会产生积极的正面促进效应。目前，长江经济带下游的上海、苏州及无锡等地政府关于耕地资源集约利用的政策制度更为完善和健全，通过合理的制度政策引导发挥了其对区域耕地资源集约利用产生正面促进效应；而长江经济带上、中游地区各省（市）政府宏观指向作用发挥不够，未能及时出台促进区域耕地集约利用的相关政策，制度政策导向作用还相对较弱。因此，政府政策差异也会对1978—2016年间长江经济带耕地集约利用时空分异及演化产生宏观性影响效应。

4 政策建议

基于1978—2016年长江经济带耕地集约利用水平时空格局分异及驱动机制探讨，初步地从宏观层面上提出长江经济耕地资源集约利用水平提升的政策建议：1）开展土地综合整治。充分挖掘长经济带下游地区城市后备耕地资源潜力，对损毁耕地开展适当复垦；对上、中游地区城市适耕性较强的中低产田尝试通过培肥、科技推广等系列改造措施升级为稳产高产的农田，不断增加耕地综合生产能力，提升长江经济带全流域耕地集约利用水平。2）加大要素投入力度。健全长江经济带上游四川、重庆等省（市）农业综合补贴制度，不断扩大补贴实施范围，激励农户持续增加耕地人力、财力等要素投入；加大对长江经济带中下游苏南、绍杭及江汉等地区城市耕地机械化资金投入，提升耕地机械化、规模化水平；因地制宜制定合适的农业生产投入方案，增加对上游地区各城市农业科技投入，极大程度将农业科技成果转化为耕地经济产出值。3）优化调整耕地结构。根据当前市场需求，不断调整长江经济带下游上海、苏南及绍杭地区发达城市的耕地作物结构，提高耕地资源边际效益；要积极调整耕地配置结构，充分发挥两湖地区、江西等省（市）资源优势，通过耕地资产价值化方式，助推耕地科学合理有序流转，提升长江经济带各城市耕地资源集约利用水平。4）推进农业科技创新。加快长江经济带尤其上、中游地区城市农业实用科技人才培训，开展新型农民科技培训工程，实现农业科技能够做到“进村入户”；努力构建农业科技创新体系，大力向农民、农业生产合作社推广农业增产的高新技术，促进长江经济带耕地集约利用水平提升。

5 结论与讨论

1）基于耕地集约利用内涵解读，从“投入强度—利用程度—产出效益—可持续状态”四大维度上构建长江经济带耕地集约利用评价指标体系，并通过投影寻踪模型对1978—2016年长江经济带耕地集约利用水平开展定量评价。研究表明，1978年以来长江经济带耕地集约利用水平演变具有阶段性上升态演化势，具体表现三大阶段：缓慢上升期（1978—1990）、快速上升期（1990—1996）、平稳提升期（1996—2016）；同时，在整个演化过程中也呈现出显著的“东高西低”区域差异特征。

2）通过GIS-ESDA分析框架，实证研究1978—2016年长江经济带多尺度耕地集约利用时空分异特征。研究表明，流域尺度上耕地集约利用水平下游地区>中游地区>上游地区，省域、市域尺度上长江经济带耕地集约利用呈现空间集聚特征，并且尺度越小空间集聚越显著；省域、地域尺度空间关联类型均以正向相关为主，且市域尺度上长江经济带耕地集约利用存在空间集聚“俱乐部趋同”现象，表现为H-H型主要集聚在上海及苏南地区，并逐渐向绍杭、皖江地区演化，而L-L型主要集聚在川西高原区。

3）运用地理探测器模型定量揭示影响长江经济带耕地集约利用时空格局分异主要因素，并在此基础上综合阐述1978—2016年长江经济带耕地集约利用时空格局分异驱动机制。研究表明，自然因素是影响长江经济带耕地集约利用时空分异基底，人口增长是影响长江经济带耕地集约利用时空分异主要因子，经济社会发展是影响长江经济带耕地集约利用时空格局分异的重要因子，而制度政策对长江经济带耕地集约利用空间分异具有一定的影响效应，这四大因素综合作用驱动1978年以来长江经济带耕地集约利用格局分异及演化。

另外，需要指出本研究还存在一定不足：时间尺度上仅分析了1978 年以来六个时间断面上耕地集约利用时空格局分异特征，还需进一步深入揭示多时间尺度下长江经济带耕地集约利用时空分异规律；影响机制上，关于农户因素在本研究分析中未开展探讨，而农户因素对区域耕地利用效率具有重要影响效应，如何从农户视角上揭示长江经济带耕地集约利用时空分异微观作用机制将是本研究下一步深化的领域和方向。

[1]Dumanski J, Pieri C. Land quality indicators: Research plan[J]. Agriculture Ecosystems &Environment, 2000, 81(2): 93－102.

[2]吕晓，牛善栋，李振波，等. 中国耕地集约利用研究现状及趋势分析[J]. 农业工程学报，2015，31(18)：212－224. Lü Xiao, Niu Shandong, Li Zhenbo, et al. Present situation and trends in research on cultivated land intensive use in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(18): 212－224. (in Chinese with English abstract)

[3]Wang Guogang, Liu Yansui, Li Yurui. Dynamic trends and driving forces of land use intensification of cultivated land in China[J].Journal of Geographical Sciences, 2015, 25(1): 45－57.

[4]李贝贝. 村域尺度农户耕地集约利模型构建与应用[D].西安: 西安科技大学，2017. Li Beibei. Construction and Application of Intensive Cultivated Land Use Model in Village Scale[D]. Xi’an:Xi’an University of Science and Technology, 2017. (in Chinese with English abstract)

[5]马聪，刘黎明，袁承程，等. 快速城镇化地区不同生计类型农户耕地利用集约度评价——以上海市青浦区为例[J]. 中国土地科学，2017，31(10)：69－78. Ma Cong, Liu Liming, Yuan Chengcheng, et al. Evaluation of cultivated land use intensity of different types of rural household livelihood strategies in rapid urbanization area: A case of Qingpu district in Shanghai city[J]. China Land Sciences, 2017, 31(10): 69－78. (in Chinese with English abstract)

[6]程兰花，杨德刚，张新焕，等. 基于PSR模型的新疆县域耕地集约利用时空演化特征[J]. 干旱区研究，2018，35(2)：493－502. Chen Lanhua, Yang Degang, Zhang Xinhuan, et al. Spatiotemporal evolution of intensive cultivated land use in the county-level regions in Xinjiang based on the PSR model[J]. Arid Zone Research, 2018, 35(2): 493－502. (in Chinese with English abstract)

[7]邓楚雄，谢炳庚，李晓青，等. 长沙市耕地集约利用时空变化分析[J]. 农业工程学报，2012，28(1)：230－237. Deng Chuxiong, Xie Binggeng, Li Xiaoqing, et al. Analysis on spatial-temporal change of cultivated land intensive use in Changsha city[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(1): 230－237. (in Chinese with English abstract)

[8]何坚坚，庞博，张鹏岩，等. 耕地集约利用的变化、态势与驱动力分析[J]. 河南大学学报(自然科学版)，2017，48(4)：404－414. He Jianjian, Pang Bo, Zhang Pengyan, et al. Analysis on change, situation and driving forces of intensive use of cultivated land: A case study of Henan province[J]. Journal of Henan University(Natural Science), 2017, 48(4): 404－414. (in Chinese with English abstract)

[9]Nareeluck W. Role of land tenure security and farm household characteristics on land use change in the Prasae Watershed Thailand[J]. Land Use Policy, 2008, 2: 214－224.

[10]于元赫，李子君. 山东省耕地利用集约度时空变化及政策启示[J]. 中国土地科学，2017，31(4)：52－60. Yu Yuanhe, Li Zijun. Temporal and spatial variation of cultivated land use intensity and policy implications in Shandong province[J]. China Land Sciences, 2017, 31(4): 52－60. (in Chinese with English abstract)

[11]陈瑜琦. 李秀彬. 1980年以来中国耕地利用集约度的结构特征[J]. 地理学报，2009，64(4)：469－478. Chen Yuqi, Li Xiubin. Structural change of agricultural land use intensity and its regional disparity in China[J]. Acta Geographica Sinica, 2009, 64(4): 469－478. (in Chinese with English abstract)

[12]倪超，杨胜天，罗娅，等. 基于循环经济的黑龙江省耕地利用集约度时空差异[J]. 地理研究，2015，34(2)：341－350. Ni Chao, Yang Shengtian, Luo Ya, et al. The spatial-temporal difference analysis of cultivated land use intensity in Heilongjiang province based on circular economy[J]. Geographical Research, 2015, 34(2): 341－350. (in Chinese with English abstract)

[13]宋永永，米文宝，仲俊涛，等. 宁夏耕地集约利用的时空格局演化[J]. 经济地理，2015，35(9)：172－181. Song Yongyong, Mi Wenbao, Zhong Juntao, et al. Evolution of spatial and temporal pattern of intensive use of cultivated land in Ningxia[J]. Economic Geography, 2015, 35(9): 172－181. (in Chinese with English abstract)

[14]刘永康，刘学录，张一达，等. 耕地集约利用的空间特征及影响因素研究：以甘肃省东部四市为例[J]. 农业现代化研究，2019，40(4)：574－582. Liu Yongkang, Liu Xuelu, Zhang Yida, et al. The spatial characteristics and the influencing factors of intensive use of farmland: A case study of four cities in Eastern Gansu province[J]. Research of Agricultural Modernization, 2019, 40(4): 574－582. (in Chinese with English abstract)

[15]Ping J L, Green C J, Zartman R E, et al. Exploring spatial dependence of cotton yield using global and local autocorrelation statistics[J]. Field Crops Research, 2004, 89(3): 219－236.

[16]赵瑞东，牛志君，孙英彪，等. 南和县域耕地集约利用评价及障碍因素分析研究[J]. 河北农业大学学报，2017，40(4)：101－107. Zhao Ruidong, Niu Zhijun, Sun Yingbiao, et al. Study on evaluation and obstacle factors of cultivated land intensive use in nanhe county[J]. Journal of Agricultural University of Hebei, 2017, 40(4): 101－107. (in Chinese with English abstract)

[17]邵晓梅，王静. 小城镇耕地集约利用评价方法比较研究：以浙江省慈溪市为例[J]. 长江流域资源与环境，2008，17(1)：93－97. Shao Xiaomei, Wang Jing. Comparison of intensive cultivated land use appraisal methods of small towns: A case study of cixi in Zhejiang province[J]. Resources and Environment in the Yangtze Basin, 2008, 17(1): 93－97. (in Chinese with English abstract)

[18]赵丽，朱永明，付梅臣，等. 主成分分析法和熵值法在农村居民点集约利用评价中的比较[J]. 农业工程学报，2012，28(7)：235－242. Zhao Li, Zhu Yongming, Fu Meichen, et al. Comparative study on intensive use of rural residential land based on principal component analysis and entropy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 235－242. (in Chinese with English abstract)

[19]武美丽，敖登高娃，赵明. 基于主成分分析法的农用地集约利用评价：以内蒙古鄂尔多斯市为例[J]. 干旱区资源与环境，2016，30(9)：97－103. Wu Meili, Aodeng gaowa, Zhao Ming. Evaluation on the intensive use of agricultural land in Ordos and the influencing factors[J]. Journal of Arid Land Resources and Environment, 2016, 30(9): 97－103. (in Chinese with English abstract)

[20]刘玉，郝星耀，潘瑜春，等. 河南省耕地集约利用时空分异及分区研究[J]. 地理科学，2014，34(10)：1218－1225. Liu Yu, Hao Xingyao, Pan Yuchun, et al. Evaluating and zoning of cultivated land intensive use in Henan province at county Level[J]. Scientia Geographica Sinica, 2014, 34(10): 1218－1225. (in Chinese with English abstract)

[21]邢璐平，方斌，向梦杰. 基于GWR模型的江苏省耕地集约利用水平时空变化特征及影响因素[J]. 长江流域资源与环境，2019，28(2)：376－386. Xing Luping, Fang Bin, Xiang Mengjie. Temporal and spatial variation of cultivated land intensive use level and its influencing factors in Jiangsu province based on GWR model[J]. Resources and Environment in the Yangtze Basin, 2019, 28(2): 376－386. (in Chinese with English abstract)

[22]田京京，赵丽，朱永明. 基于C-D生产函数模型的保定市耕地集约利用时空变异研究[J]. 湖北农业科学，2016，55(9)：2438－2443. Tian Jingjing, Zhao Li, Zhu Yongming. Research on spatiotemporal variation of intensive utilization of cultivated land based on C-D production function model in Baoding city[J]. Hubei Agricultural Sciences, 2016, 55(9): 2438－2443. (in Chinese with English abstract)

[23]柯新利，黄翔，杨柏寒. 基于ESDA的武汉城市圈耕地利用集约度空间差异分析[J]. 水土保持研究，2016，23(2)：287－292. Ke Xinli, Huang Xiang, Yang Bohan. Analysis on spatial heterogeneity of cultivated land use intensity in wuhan city circle based on ESDA[J]. Research of Soil and Water Conservation, 2016, 23(2): 287－292. (in Chinese with English abstract)

[24]孙英彪，苏雄志，许皞. 河北省耕地集约利用水平与碳排放效率的相关性[J]. 农业工程学报，2016，32(19)：258－267. Sun Yingbiao, Su Xiongzhi, Xu Hao. Correlation between levels of cultivated land intensive use and carbon emission efficiency in Hebei province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(19): 258－267. (in Chinese with English abstract)

[25]罗庆，杨慧敏，李小建，等. 河南耕地利用集约度的时空差异分析[J]. 河南大学学报：自然科学版，2015，45(6)：673－680. Luo Qing, Yang Huimin, Li Xiaojian, et al. The spatial-temporal difference analysis of cultivated land use intensity in henan province[J]. Journal of Henan University(Natural Science), 2015, 45(6): 673－680. (in Chinese with English abstract)

[26]邓楚雄，谢炳庚，李晓青，等. 基于投影寻踪法的长株潭城市群地区耕地集约利用评价[J]. 地理学报，2013，32(11)：2000－2008. Dend Chuxiong, Xie Binggeng, Li Xiaoqing, et al. Evaluation of intensive cultivated land use based on a projection pursuit model in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Acta Geographica Sinica, 2013, 32(11): 2000－2008. (in Chinese with English abstract)

[27]李明薇，陈伟强，郧雨旱，等. 基于投影寻踪模型的河南省耕地生态安全评价[J]. 水土保持研究，2018，25(4)：257－263. Li Mingwei, Chen Weiqiang, Yun Yuhan, et al. Evaluation on farmland ecological security in Henan province based on projection pursuit model[J]. Research of Soil and Water Conservation, 2018, 25(4): 257－263. (in Chinese with English abstract)

[28]张荣天，焦华富. 转型期省际城镇土地利用绩效格局演变与机理[J]. 地理研究，2014，33(12)：2251－2262. Zhang Rongtian, Jiao Huafu. Performance of urban land use pattern evolution and mechanism in China during the transformation period[J]. Geographical Research, 2014, 33(12): 2251－2262. (in Chinese with English abstract)

[29]王劲峰，徐成东. 地理探测器：原理与展望[J]. 地理学报，2017，72(1)：116－134. Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116－134. (in Chinese with English abstract)

[30]赵小风，李娅娅，赵雲泰，等. 基于地理探测器的土地开发度时空差异及其驱动因素[J]. 长江流域资源与环境，2018，27(11)：2425－2433. Zhao Xiaofeng, Li Yaya, Zhao Yuntai, et al. Spatiotemporal differences and driving factors of land development degree in China based on geographical detector[J]. Resources and Environment in the Yangtze Basin, 2018, 27(11): 2425－2433. (in Chinese with English abstract)

[31]Foley J A, Ramankutty N. Solutions for a cultivated planet[J]. Nature, 2011, 478(7369): 337－342.

[32]龙禹桥，吴文斌，余强毅，等. 耕地集约化利用研究进展评述[J]. 自然资源学报，2018，33(2)：337－350. Long Yuqiao, Wu Wenbin, Yu Qiangyi, et al. Recent study progresses in intensive use of cropland[J]. Journal of Natural Resources, 2018, 33(2): 337－350. (in Chinese with English abstract)

Multiscale spatiotemporal characteristics and influencing factors of intensive cultivated land use in Yangtze River Economic Belt

Zhang Rongtian, Lu Jianfei

(,,225009,)

Under the limited reserve resources of cultivated land, it is necessary to change the traditional extensive utilization methods of cultivated land resources, and the road of intensive development is the most effective way to solve the human-land contradiction. The scientific analysis of spatial and temporal differences and influencing factors of cultivated land intensive use in the region is of great practical significance for promoting intensive potential exploitation and efficient utilization of cultivated land resources. Taking the Yangtze River Economic Belt as a case study, evaluation index system of cultivated land intensive use was constructed from the dimensions of input intensity, utilization intensity, output efficiency and sustainability. Projective pursuit model was used to quantitatively measure the level of cultivated land intensive use in the Yangtze River Economic Belt from 1978 to 2016. Based on the multiscale perspective of watershed, province and city, through the coefficient of variation, spatial autocorrelation index, the paper explored multiscale spatial-temporal differences of cultivated land intensive use in the Yangtze River Economic Belt. The influence mechanism of intensive utilization of cultivated land was revealed by using geographic detector model. The results showed that: since 1978, the level of cultivated land intensive use in the Yangtze River Economic Belt has improved at the watershed scale, but in the evolution process, the difference characteristics of “east high west low” have appeared; the intensive use of cultivated land in the Yangtze River Economic Belt at provincial and city scales presents spatial agglomeration characteristics, and the smaller the scale, the more significant the spatial agglomeration. During the period of the study, the types of spatial correlation between provinces and regions were mainly positive correlation, and there was a phenomenon of “club convergence” in cultivated land intensive use in the Yangtze River Economic Belt at city scale. The hot spots are mainly concentrated in Shanghai and Southern Jiangsu, and gradually evolved into Shaoxing-Hangzhou and Lancang; the cold point area was mainly concentrated in the Western Sichuan Plateau area. Natural factors, population growth, economic and social development, and institutional policies can effectively explain the spatial-temporal differences in the intensive use of cultivated land in the Yangtze River Economic Belt; demographic factors and economic and social factors have a significant impact on cultivated land intensive use, while policy factors have a strong driving effect. Finally, suggestions were put forward on how to promote cultivated land intensive use from the aspects of comprehensive land remediation, increasing the input of elements, optimizing and adjusting the structure of cultivated land, and promoting innovation in agricultural science and technology. In addition, it should be pointed out that there are still some deficiencies in this study: only the spatial and temporal patterns of cultivated land intensive use in six time sections since 1978 are analyzed on the time scale, it is also necessary to further reveal the temporal and spatial differentiation of intensive cultivated land use in the Yangtze River Economic Belt at a multitime scale. In terms of the impact mechanism, the factors of farmer households have not been discussed in this study, and the factors of farmer households have an important impact on regional cultivated land use efficiency. How to reveal the micro-mechanism of spatial and temporal differentiation of cultivated land intensive use in the Yangtze River Economic Belt from the perspective of farmers will be the next deepening area and direction of this study.

land use; models; cultivated land; impact factors; ESDA; geographic detectors; multi scale; Yangtze River Economic Belt

张荣天，陆建飞. 长江经济带耕地集约利用多尺度时空特征与影响因素分析[J]. 农业工程学报，2019，35(24)：271－278.doi：10.11975/j.issn.1002-6819.2019.24.032 http://www.tcsae.org

Zhang Rongtian, Lu Jianfei. Multiscale spatiotemporal characteristics and influencing factors of intensive cultivated land use in Yangtze River Economic Belt[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(24): 271－278. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.24.032 http://www.tcsae.org

2019-07-26

2019-10-21

中国博士后科学基金（2017M621834）；江苏高校哲学社会科学基金（2018SJA1153）；江苏省社科应用研究精品工程课题（19SYC-111）；安徽省城镇化发展研究中心2016年度开放课题

张荣天，博士后，助理研究员，从事城乡发展研究。Email：nnuzrr@163.com

10.11975/j.issn.1002-6819.2019.24.032

F301.21

A

1002-6819(2019)-24-0271-08